.png){kind=icon}
返回
Decoding soil properties from surface cracks using Minkowski functionals, junction crack angle distributions, and AI-based image analysis
.png){kind=icon}
PRE
AI
DOI：10.1140/epje/s10189-026-00567-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
干燥裂缝的类型取决于土壤类型，每种类型表现出独特的模式。本研究考察了不同土壤类型中裂缝模式的变化，以及同种土壤类型内部的变化。对取自洪水左岸和非洪水右岸的土壤亚类进行的物理化学研究表明，两者几乎相同。然而，通过形态描述符（包括闵可夫斯基函数和裂缝交叉角分布）分析的干燥裂缝实验呈现出不同的模式和描述符，表明这些是土壤类型和亚型的良好指纹。为完善此分析，实验中的图像数据集被用于训练卷积神经网络算法。60%的数据用于训练，在主要和亚主要分类中均实现了100%的预测准确率。本研究结果表明，干燥裂缝模式研究的多样性以及将其与深度学习结合如何实现对土壤类型的准确识别，这在农业土壤评估、行星地形研究、岩土工程、泛滥平原和河流流域监测以及基于图像的土壤分类中具有应用价值。
Keyword:
X-RAY-DIFFRACTION
DESICCATION CRACKING
CLAY SOIL
PERCOLATION
DYNAMICS
MODEL
